Ⅰ. 서 론
국내 축산업 생산액은 매년 꾸준히 증가하고 있으며 전체 농림업 생산액의 43.5%를 (25조 5,080억 원) 차지하고 있다. 특히, 돼지 사육두수의 경우 23년 기준 전년대비 약 12% 증가하고 있다 (KREI, 2023). 이처럼 축산업은 국내 농업의 중요한 축으로 성장하고 있지만, 그 이면에는 환경 문제라는 과제도 함께 존재한다. 우리나라 농업분야의 탄소배출량은 2021년 기준 국가 총배출량의 3.2%에 해당하는 21.4백만 톤이며, 그 중 축산 분야는 10.3백만 톤으로 전체 배출량의 약 1.4%, 농업분야의 약 48%에 해당된다 (GIR, 2023).
정부의 탄소중립 2050에 따라 농업분야에서도 온실가스 발생을 최소화할 수 있는 탄소배출량 관리를 위한 노력이 요구되고 있다. 하지만 돼지의 경우 현재 마리당 메탄 배출계수로만 제시되고 있기 때문에 양돈 시설에서 발생하는 탄소배출량을 정확하게 산정하고 예측하기에는 부족한 상황이다 (IPCC, 2006). 양돈 시설 관련 국내 연구로는 돈사 작업장 유형에 따른 입자상 오염물질의 실내농도 및 발생량에 관한 현장 조사, 양돈 슬러리 형태의 따른 암모니아 발생 특성, 돈분뇨로부터 발생하는 암모니아의 배출특성, 강제환기식 양돈 시설의 암모니아 및 미세먼지 배출 계수 선정 연구, 인공지능 모델을 이용한 시설 내부 온도 예측 연구, 양돈 시설 내부 온도, 이산화탄소 농도 예측 모델 개발 등 암모니아 및 기타 가스들의 연구는 다양하게 진행되고 있다 (Kim et al., 2005; Lee et al., 2006; Park et al., 2020; Yeo et al., 2023; Kim et al., 2023). 하지만 양돈 시설 탄소배출량 산정을 위한 관련 연구는 부족한 상황이다. 특히, 양돈 시설에서의 탄소배출 영향인자 분석, 탄소배출량 산정 및 예측에 관한 연구가 미흡한 실정이다. 따라서 탄소배출량 산정 및 예측에 필요한 데이터의 대표성 및 신뢰성 확보를 위해 다양한 사육 형태의 농장을 대상으로 실측 실험을 통한 탄소배출량 산정이 필요하며, 이를 기반으로 탄소배출량 관리 방안 수립이 필요하다.
하지만 실제 운영 중인 농장에서 현장 실험을 수행하는 데 여러 제약이 존재한다. 가축 질병이 만연한 시기에는 가축 질병 관리로 인해 농장 출입이 제한될 수 있고 환기량 조절, 사양 온도 조절, 급이량 조절 등 연구에 요구되는 환경 요인 제어가 불가능하다. 또한, 실제 운영되는 농장의 경우 ICT (Information and Communication Technology) 기술이 도입된 경우가 많지 않기 때문에 지속적인 데이터 수집 및 모니터링의 어려움, 농장주의 환기량 조절, 사양기기 조작 등의 실험 환경 통제의 어려움 등의 문제로 인해 수집되는 데이터의 신뢰성을 판단하기 어렵다. 이러한 문제로 인해 정확한 탄소배출량 산정 및 예측이 어렵기 때문에 탄소배출량 산정을 위한 ICT기술이 도입된 인위적으로 제어할 수 있고 지속적인 데이터 수집이 가능한 테스트베드가 필요하다.
양돈 시설에서 발생되는 탄소는 대부분 메탄이며, 이는 돼지의 장내발효와 분뇨 처리과정에서 발생된다. 메탄의 배출량은 돼지의 생육단계 및 운영방식, 시설 내부 환경조건 (온도, 습도, 암모니아, 이산화탄소), 환기량, 외부 기상 조건 (온도, 습도, 강수량, 일사량 등), 분뇨의 온도 및 pH 등 다양한 요인의 영향을 받는다 (Aarnink, 1997; Philippe and Nicks, 2015; Arogo et al., 1999; Lee et al., 2006; Hwang et al., 2018).
따라서 본 연구의 목적은 양돈 시설에서 발생하는 탄소배출량을 정량적으로 산정하고 예측하기 위한 실증 기반을 마련하는 데 있다. 이를 위해 외부 및 내부 환경조건, 분뇨 특성, 사양 관리 등 탄소배출에 영향을 미치는 다양한 요인을 통제, 계측할 수 있는 공학적 테스트베드를 구축하였다. 해당 테스트베드는 ICT 기반의 제어 및 모니터링 장치를 통해 관련 데이터를 체계적으로 수집 및 분석할 수 있도록 설계되었으며, 이를 통해 향후 탄소배출량 예측 알고리즘 개발 및 최적 사양관리 방안 도출을 위한 기초자료로 활용하고자 한다.
Ⅱ. 재료 및 방법
1. 대상시설
Fig. 1은 충청남도 예산군 대흥면 갈신리 1 (공주대학교 예산 캠퍼스 내 36.6685°N, 126.8657°E) 에 위치한 공학적 연구시설이다. ICT 장비 및 센서를 도입하여 돼지의 생육환경을 조절하고 실험 및 연구의 최적화를 시킨 테스트베드이다. 이 시설의 구성으로는 소규모 테스트베드 2동, 관리사 1동, 데이터 서버실 및 창고 1동 등으로 구성되어 있다. 또한, 대상 시설은 탄소배출량 관리 플랫폼 개발과 실제 돼지의 사육이 가능한 환경이어야 하기 때문에 시설 구축 위치, 수도, 전기, 통신, 악취 민원 등을 고려했다, 일반적인 축산시설 내에서 발생하는 탄소배출량을 측정해야하므로 축사 표준설계도에 명시되어 있는 양돈 시설 돈방 형태로 구축되어 있다 (MAFRA, 2021). Fig. 2는 소규모 테스트베드의 설계도를 나타낸 것으로, 자돈사, 육성돈사, 비육돈사으로 구분되어 있으며, 각 돈사은 4개의 펜스로 구분되어 있다. 소규모 테스트베드는 슬러리돈사의 형태이며 자돈사, 육성돈사, 비육돈사는 각각 2,870 mm × 8,420 mm 크기의 돈방 4개, 3,620 mm × 8,420 mm 크기의 돈방 6개, 5,200 mm × 8,420 mm 크기의 돈방 4개로 구성되어 있다. 각각의 돈사는 자돈 104두, 육성돈 96두, 비육돈 96두를 사육 할 수 있다.
2. 탄소배출량 영향 인자 선정
양돈 시설에서 발생하는 탄소배출량에 영향을 주는 인자는 외부 환경조건, 시설 내부 온습도, 환기량, 온도, pH와 같은 분뇨 특성 인자, 체중, 급이량 등이 있다 (Arogo et al., 1999; Aarnink, 1997; Hwang et al., 2018; Kim et al., 2007; Philippe and Nicks, 2015; Atakora et al., 2011). Li et al. (2023)에 따르면 양돈 시설 내의 온도와 습도가 돼지의 생리적 반응과 탄소 배출에 미치는 영향을 평가했다. 이 연구에 따르면, 높은 온도와 습도는 돼지의 심박수와 호흡수를 변화 시키며 이는 온습도 조건이 돼지의 상태와 스트레스 수준에 영향을 미친다는 것을 나타낸다. Wolter et al. (2002)에 따르면 분뇨가 저장될 때, 분뇨내 건조물질 함량에 따라 아산화질소와 메탄의 배출량이 변한다. 건조물질 함량이 낮을수록 저장 중 아산화질소 배출이 증가하고, 메탄 배출도 증가한다. 이는 분뇨의 pH, EC, 온도에 영향을 받는 것을 시사한다. Andretta et al. (2021)에 따르면 돼지의 영양 요구에 맞춰 사료를 공급하여 영양 효율성을 높이는 것이 배설물에서 발생하는 아산화질소와 메탄 배출을 줄이는데 도움을 주는 것을 평가했다. 아래 Table 1은 선정된 영향인자, 측정인자에 대해 각각의 선행연구 및 관련 보고서를 바탕으로 나타낸다.
Table 1
Selection and evidence of carbon generation influencing factors
| Selection criteria | Detailed items | Reference |
| Auto measurement data | External environmental conditions (temperature, humidity, atmospheric pressure, wind speed) | National Institute of Animal Science (2014) |
| Internal environmental conditions (temperature, humidity, ventilation volume) | Arogo et al. (1999), Li et al. (2023) | |
| Methane (CH4) | National Institute of Animal Science (2014) | |
| Carbon dioxide (CO2) | ||
| Ammonia (NH3) | ||
| Temperature in excreta | Wolter et al. (2002) | |
| pH in excreta | Lee et al. (2006), Hwang et al. (2018) | |
| Excreta TS content (total solid) | Lee et al. (2006) | |
| Weight | Philippe and Nicks (2015) | |
| The amount of feed | Atakora et al. (2011), Andretta et al. (2021) | |
| Electric energy usage | Kythreotou et al. (2012) | |
| Manual measurement data | Population (breeding density) | National Institute of Animal Science (2014) |
| Growth level | Park et al. (2021) | |
| Feed | Atakora et al. (2011) |
3. 데이터 수집 주기
테스트베드 내부에서 수집되는 탄소 발생 영향인자 및 측정인자별 모니터링 주기는 탄소배출량 알고리즘 설계에 필요한 데이터 양과 구축된 데이터베이스의 저장 용량을 고려하여 선정했다. 온도 및 습도와 같은 환경 인자는 양돈 시설의 환경 조건을 지속적으로 모니터링하기 위해 일반적으로 5분 간격으로 데이터가 수집되도록 설정했다. 또한, 온도와 습도는 암모니아, 이산화탄소의 농도에 영향을 미치는 주요 영향인자이다. 높은 온도, 습도의 조건은 암모니아, 이산화탄소의 배출을 증가시킨다. 아래 Table 2는 영향인자별 데이터 수집 주기를 나타낸다.
Table 2
Selection of monitoring cycles by carbon generation influencing factors
4. one M2M 시스템
Fig. 3은 본 연구에서 사용한 one M2M (Machine-to-Machine) 시스템의 아키텍쳐이다. one M2M 시스템은 센서, 제어기, 데이터베이스 간 효율적인 데이터 연동을 가능하게 하며, IoT (Internet of Things) 디지털 트윈, 메시지 프로파일, 장치 트리거링, 이벤트 처리, 시간 동기화 및 보상, 그룹 관리, 상호운용성, 스케줄링 및 조절 등의 기능을 통해 지속 가능한 IoT 배포를 지원한다. one M2M은 다양한 IoT 애플리케이션과 서비스 간의 통신을 위한 표준화된 API를 제공하며, IoT 시스템의 보안을 강화하기 위한 다양한 보안 기능을 포함하고 있다. 이 표준은 다양한 산업 분야에 적용될 수 있도록 설계되어 있어, 스마트 농업, 스마트 에너지 등 다양한 분야에서 활용될 수 있는 확장성을 갖추고 있다. one M2M 시스템을 사용하면 IoT 장치에서 수집된 데이터를 효율적으로 관리하고 분석할 수 있다. 따라서 본 연구에서 one M2M 시스템은 각 제어기, 계측 센서를 연결하고 내부환경 조절 및 수집된 데이터를 실시간 모니터링을 가능하게 한다. 이로 인해 양돈 시설 내 이상상황 감지 및 제어, 수집 데이터 모니터링을 위해 사용되었다.
Ⅲ. 결과 및 고찰
1. 소규모 스마트양돈 공학 실험 및 실증 시설 구축
Fig. 4는 선정된 영향인자와 실험 환경 조건을 고려하여 내부 기자재 및 장비를 배치 및 설계한 소규모 테스트베드를 나타낸다. 환기 방식의 경우 벽면환기와 중청환기로 구성했다. 또한, 돈사에는 ∅350, ∅400, ∅500 크기의 환기팬이 총 8대 운용되었으며, 외부 기상 및 내부 환경 조절을 위해 팬 컨트롤러 (IFC-370, Iontec Co., Korea)가 설치되어 환기팬의 가동률과 내부 온도를 제어할 수 있다. 외부에 환기 덕트를 2 m 연장하여 덕트 안에 환기량 측정 센서 (DPT1-R8, Sensocon, USA)를 설치하여 시설에서 발생된 탄소배출량을 측정 할 수 있게 구했다. 냉방 시스템 (BCAD-075, Busung, Korea)과 난방 시스템 (DI-M 1408K, Dongil Brazing Co., Ltd, Korea)은 돈사 내부 온도의 따른 돼지의 탄소배출량을 알아보기 위하여 구축했다. 전실 공간에서 공기를 냉각, 가열하고 중천장을 이용하여 돈사 내부의 환경을 조절하는 중앙집중환기 방식을 사용하고 있다.
각 자돈사과 비육돈사은 4개의 펜스로 구분되어 있으며 양면 스윙급이기와 사료를 자동으로 공급할 수 있는 자동 사료 라인과 간이 사료빈 등이 설치되어 있다. 자동 사료 라인에 급이량 측정 센서 (SF-200, Iontec Co., Korea)를 설치하여 실시간으로 투입되는 사료량 데이터를 수집 할 수 있다. 돼지의 평균체중을 측정하는 방법은 돈형기를 이용한 측정과 카메라를 이용한 방법을 사용하였다. 돈형기 (WA400, Meier brakenberg, Germany)와 체중측정용 카메라 (IDOL 65 Pig Weighing Camera, dol-sensors, Denmark)를 설치했다. 돈형기를 이용하여 체중측정용 카메라를 정확도를 검증하였으며, 1일 단위 돼지의 평균 체중 데이터를 수집하기 위해 구축했다. Table 3은 테스트베드에 설치된 주요 장비를 나타낸다.
Table 3
Equipment names and descriptions installed in the smart pig farming testbed
2. 내⋅외부 환경 및 온실 가스 계측 센서 위치 선정 및 구축
Fig. 5는 테스트베드 내 주요 측정 센서의 설치 위치를 나타내며, Fig. 6은 양돈 시설 내에서 발생하는 온실가스 (암모니아, 메탄, 이산화탄소 등)를 측정하기 위한 센서를 보여준다. 유사한 형태와 규모의 돈사에서 겨울철 강제 환기식 돈사 내 메탄의 시간 평균 농도는 18.8~35.4 ppm로 분석되었으며, 단위 면적당, 돼지 마리당 메탄의 시간 평균 발생량은 0.24~0.42 g/h/m2/pig로 나타났다 (Park et al., 2021). 이에 따라, 본 테스트베드 내에 설치된 메탄 센서는 LDL 20 ppm 이상, Resolution 0.1 ppm 이하의 성능을 가진 센서 (Airwell Plus, KINSCO Technology Co., Ltd, Korea)를 설치했다. 양돈 시설에서 발생하는 탄소배출량에 영향을 주는 인자를 측정하기 위한 센서를 설치했다. 외부 환경조건 (온도, 습도, 기압, 풍속), 내부 환경조건 (온도, 습도), 환기량, 메탄, 이산화탄소, 암모니아, 분뇨 특성 인자 (온도, pH), 체중, 급이량 등을 측정 할 수 있는 센서를 설치했다.
이산화탄소 (CO2), 메탄 (CH4), 암모니아 (NH3) 센서의 위치는 가스의 유⋅출입구가 명확하기 때문에 유⋅출입구에 위치를 선정했다 (International VERA Secretariat, 2018). 분뇨 센서는 신선한 분뇨 유입에 따른 대표성 부족 지역 기피 (Aarnink, 1997), 벽면에 붙어 굳어진 분뇨의 영향 최소화를 위하여 벽면에서 0.5 m 유지 등의 근거로 센서위치를 선정했다.
Fig. 7은 2024년 5월 18일부터 6월 11일까지 수집된 데이터를 바탕으로 소규모 테스트베드 내부의 온도, 암모니아, 메탄 농도 측정 결과를 나타낸 것이다. 본 실험은 여름철 자돈사에서의 가스 배출 특성 분석을 목적으로 실험을 수행하였다. 측정기간동안 돈사 내부의 평균 온도는 30.3oC로 나타났다. 국립축산과학원의 선행연구에 따르면 9주령의 이유자돈 적정 사육 온도는 22oC~29oC로 나타난다. 따라서 수집된 온도 데이터의 신뢰성을 확보할 수 있다 (NIAS, 2018). 자돈 24두를 사육하는 양돈 시설의 암모니아 농도 데이터는 4.57 ppm으로 측정되었다. 또한, 수집기간 동안 암모니아 농도 데이터는 주기성을 가지고 변동하는 특징이 있다. Park et al. (2022)에 따르면 수집된 돈사 내부 암모니아 농도 범위는 3.67~9.36 ppm이며, 평균 5.39 ± 0.95 ppm으로 나타났다. 암모니아 농도는 오전 8시에 가장 높은 농도를 나타내고 오후 시간대에는 낮은 농도 수준을 나타냈다. 수집된 데이터는 일출 이후 시설 내부 온도가 상승함에 따라 환기량이 증가하고, 그와 동시에 돈방 내 암모니아 농도를 희석시켜 오후 시간대에 낮은 암모니아 농도가 유지되는 것을 알 수 있다. 따라서 본 연구에서 측정된 암모니아 농도와 데이터의 주기성이 적절하다고 판단된다.
Fig. 7
Results of daily monitoring of internal environmental factors in the pig house. (a) internal temperature, (b) ammonia concentration, (c) methane concentration
메탄 농도 데이터는 측정 센서로부터 측정된 9주령 자돈 24두의 비육기간 25일간 메탄의 농도 데이터이다. 자돈방에서 측정된 메탄의 평균 및 최대⋅최소 농도는 각각 3.93 ppm, 21.6 ppm, 0.01 ppm으로 계측되었다. 다음과 같은 측정 결과는 9주령 자돈 24두 사육하는 돈사이기 때문에 다음과 같이 나타났다고 판단된다. Park et al. (2021)에 따르면 육성돈 100두 사육하는 돈사의 메탄 평균 및 최대 농도는 20.7 ppm, 176.3 ppm으로 나타났다. 메탄의 농도는 3.96~21.6 ppm 사이에서 주기성을 가지고 변동하고 있다. 이와 같은 결과는 대상 시설의 내부 환경 조절 장치가 온도에 맞춰 환기율을 변화시키기 때문에 발생된 것으로 판단된다. 내부 온도를 적정 사육온도로 유지하기 위해 고온의 경우 환기율을 증가시켜 내부 온도를 낮추기 때문에 오염 물질의 농도가 낮아지는 것을 확인 할 수 있다. 이는 시설 내부 온도, 환기량의 측정 값의 변화와 반대로 측정되고 있는 것을 알 수 있다. 따라서 시설 내부의 환기량에 따라 메탄의 농도가 변화하는 것을 알 수 있다. 본 시설의 특징과 사육단계, 사육두수를 고려하였을 때 본 논문에서 수집한 돈사 내부 환경 데이터는 적절하게 수집된다고 판단된다.
하지만, 본 연구는 9주령 자돈 24두를 대상으로 한 실험 결과를 기반으로 하고 있어, 사육단계 및 규모에 따른 일반화에는 일정한 한계가 존재한다. 특히, 포유돈 또는 육성돈과 같은 다른 사육단계에서는 분뇨 배출 특성, 활동량, 환기 반응 특성 등이 상이할 수 있다. 따라서 향후에는 다양한 사육단계 및 마릿수 조건을 고려한 실험을 통해 본 연구에서 구축한 환경 데이터 기반 메탄 농도 분석 결과의 적용 범위를 확대할 계획이다.
Fig. 8의 Case 1은 본 연구에서 측정된 암모니아와 메탄의 농도를 그래프로 나타내며, 최대, 최소, 평균 농도를 포함하고 있다. 반면, Case 2는 Park et al. (2022) 및 Park et al. (2021)의 선행연구에서 측정된 암모니아와 메탄의 농도를 그래프로 나타낸다. 본 연구에서 측정된 각각의 그래프는 선행연구에서 나타나는 측정 범위내에 위치하는 것을 확인할 수 있다.
3. 데이터 모니터링 시스템
테스트베드 내 설치된 센서에 의해 수집된 데이터는 one M2M 시스템에 의해 연동되어있는 데이터베이스에 저장되게 된다. 구축된 one M2M 시스템의 리소스 트리 구조는 센서 및 제어기의 물리적 위치 및 구조를 고려하여 구성하였다. 리소스 트리에서 단계에 따라 외부 기상대, 돈사로 구분되고 세부적으로 돈방 1, 2, 복도 등으로 구성되어 있으며 각각의 상위 단계에 구동기, 센서, 구동기 및 센서의 종류로 단계에 따라 구성되어 있다. 리소스 트리 구성도는 Fig. 9와 같다.
테스트베드 내에서 수집된 데이터 중 양돈 시설 내부의 CCTV 데이터는 구축되어있는 데이터 서버실의 네트워크 비디오 레코더에 저장된다. 내⋅외부 환경 데이터는 Raspberry Pi로 데이터를 읽어 NAS에 데이터를 저장된다. 저장된 데이터를 MySQL workbench 프로그램을 사용하여 데이터를 날짜 및 돈방, 센서 종류에 따라 구분되어 읽고 데이터를 Grafana Dashboard 프로그램으로 시각화하여 기상, 온⋅습도 및 환경조건에 따른 온실가스 배출량을 비교 분석하기 용이하도록 하였다.
또한, Fig. 10은 테스트베드에서 측정되는 센서 데이터 및 영상 정보를 실시간 모니터링할 수 있도록 설계된 Edge 시스템의 대시보드를 나타낸다. 대시보드는 비육돈사, 자돈사, 외부 환경, CCTV 영역으로 구성되어 있으며, 각 영역에는 온도, 습도, CO₂, NH₃ 등의 센서 데이터가 시계열 그래프로 시각화되어 있다. 예를 들어, 비육돈사, 자돈사의 경우 수집된 데이터가 one M2M 시스템과 연동되어 구축된 리소스 트리구조에 의해 데이터를 실시간으로 시각화한다. 또한, 입식일자, 마리수, 평균체중 등 관리 데이터는 사용자가 수기로 입력할 수 있도록 구성되어 있어, 센서 기반 데이터 외의 정보를 통합적으로 관리할 수 있다.
Ⅳ. 결 론
본 연구에서는 양돈 시설의 탄소배출량을 정량적으로 측정하고 평가하기 위한 소규모 스마트양돈 공학 실험 및 실증 시설을 개발했다. 이 시설은 내부 환경을 제어할 수 있는 공학적 장비를 갖추고 있어 다양한 조건에서의 탄소배출량 측정이 가능하다. ICT 장비 및 센서를 도입하여 돼지의 생육환경을 조절하고 실험 및 연구를 최적화할 수 있다. 외부 환경조건, 내부 환경조건, 분뇨 특성 인자, 체중, 급이량 등 다양한 탄소배출 영향인자를 측정할 수 있도록 설계되었다. one M2M 시스템을 활용하여 센서, 제어기, 데이터베이스 간 효율적인 데이터 연동이 가능하다. 시설 내부에는 ICT 기술이 접목된 환기팬, 팬 컨트롤러, 환기량 측정 센서, 냉난방 시스템 등이 구축되어 있다. 또한 자동 사료 라인, 급이량 측정 센서, 돈형기, 체중측정용 카메라 등이 설치되어 있어 탄소배출량을 정량화, 예측 알고리즘 개발에 필요한 데이터 수집이 가능하다.
구축된 테스트베드에서 수집되는 데이터 (온도, 암모니아, 메탄)의 특징을 분석하고 수집 데이터 신뢰도를 선행연구를 통해 분석했다. 9주령 자돈 24두 사육 돈사에서 사육기간 동안 메탄 농도, 암모니아, 온도 농도를 실시간 모니터링했다. 모니터링 기간 동안 발생한 메탄의 평균 농도는 3.93 ppm, 평균 암모니아 농도는 4.57 ppm, 돈방 평균 온도는 30.3oC로 나타났다. 측정된 데이터는 유사한 돈사 구조와 사육형태의 선행연구 결과를 통해 분석한 결과 적절하게 수집되고 있는 것을 알 수 있다.
본 연구에서는 테스트베드 내부에 탄소 배출 영향인자를 고려하여 측정 센서, 시설 구조, 시설 장비 등을 구축했다. 양돈 시설 내부에서 발생되는 탄소를 측정하여 시설에서 발생하는 탄소발생량을 산정 및 예측할 수 있을 것으로 기대된다. 테스트베드의 외부 환경조건, 내부 환경조건, 분뇨 특성 인자, 체중, 급이량 등의 상관성 분석을 통해 특정 영향인자에 민감도를 분석하여 양돈 시설에서 탄소배출량 산정 및 예측 알고리즘 설계가 가능할 것으로 기대된다.
본 연구는 정부의 탄소중립 2050 정책에 부응하여 축산 분야에서의 온실가스 발생을 최소화하고 탄소배출량을 효과적으로 관리하는 데 기여할 수 있을 것으로 기대된다. 향후 이 시설을 활용한 지속적인 데이터 수집과 분석을 통해 양돈 시설의 탄소배출량 저감 방안 수립 및 정책 결정에 필요한 과학적 근거를 제공할 수 있을 것으로 기대된다. 또한, 이 연구 결과는 공학적 실험 및 실증이 가능하여 양돈 시설 최적 운영 알고리즘 설계, 다양한 축산 신기술, 기자재 현장 실증, 축산 표준화 연구 등에 활용할 수 있을 것으로 기대된다.
